Spider 集成

使用 LangChain JavaScript 集成 Spider 文档加载器。

Spider 是速度最快的网络爬虫。它可以将任何网站转换为纯 HTML、Markdown、元数据或文本，同时支持您使用 AI 进行自定义操作来执行爬取。

概述

Spider 允许您使用高性能代理来防止被检测，缓存 AI 操作，通过 Webhook 获取爬取状态，安排定时爬取等。

本指南展示了如何使用 Spider 来爬取/抓取网站，并通过 LangChain 中的 SpiderLoader 加载可用于 LLM 的文档。

设置

在 spider.cloud 上获取您自己的 Spider API 密钥。

使用方法

以下是如何使用 SpiderLoader 的示例：

Spider 提供两种抓取模式：scrape 和 crawl。scrape 仅获取所提供 URL 的内容，而 crawl 则获取所提供 URL 的内容并进一步爬取子页面。

import { SpiderLoader } from "@langchain/community/document_loaders/web/spider";

const loader = new SpiderLoader({
  url: "https://spider.cloud", // 要抓取的 URL
  apiKey: process.env.SPIDER_API_KEY, // 可选，默认为您环境变量中的 `SPIDER_API_KEY`
  mode: "scrape", // 爬虫运行模式。可以是 "scrape"（针对单个 URL）或 "crawl"（用于深入爬取子页面）
  // params: {
  //   // 基于 Spider API 文档的可选参数
  //   // API 文档请访问 https://spider.cloud/docs/api
  // },
});

const docs = await loader.load();

额外参数

有关所有可用 params 的详细信息，请参阅 Spider 文档。

---

Edit this page on GitHub or file an issue.

Connect these docs to Claude, VSCode, and more via MCP for real-time answers.